神经网络的核心——寻优Wi权重系数

为何核心是寻优Wi权重系数

只有一组变量，便是权重系数Wi,我们所做的一切都是在寻找使误差Error最小的一组权重系数Wi，各种算法（例如梯度下降）都是用于寻优的工具，这些工具快与慢，适用于处理的数据类型都需要具体问题具体分析，但是这所有的最后都应回归到“最适合”的一组权重系数Wi中去，只有这样，构建的神经网络才能被认为优越，因为它从样本中学习到了它的最佳水平。

一次迭代代码实现

以下是利用梯度下降做的一次对于权重系数Wi的迭代，目的是为了展示一次迭代的流程，通过多次的迭代之后，想必会有好的结果。

import numpy as np

def sigmoid(x):
    """
    Calculate sigmoid
    """
    return 1/